論文の概要: HCPG-Flow:Hierarchical Contact-Progress Guidance for Flow-Policy Robot Manipulation
- arxiv url: http://arxiv.org/abs/2607.17651v1
- Date: Mon, 20 Jul 2026 08:04:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-21 18:48:37.542384
- Title: HCPG-Flow:Hierarchical Contact-Progress Guidance for Flow-Policy Robot Manipulation
- Title（参考訳）: HCPG-Flow:フローポリティクスロボットの階層的接触促進誘導
- Abstract要約: HCPG-Flowは、SAC-Flowをオブジェクト中心のコンタクトプログレスガイダンスで強化する分析ロールアウト時セレクタである。
10のシミュレーションタスクでHCPGは、両方のベンチマークでSAC-Flowよりも平均的な成功を改善する。
- 参考スコア（独自算出の注目度）: 9.264329455931271
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Flow policies can represent multimodal action distributions for robot manipulation, yet a robot must execute one action at each control step. When several proposals are sampled, critic-based ranking makes data collection depend on value estimates over candidate actions that may be weakly represented in replay. We introduce HCPG-Flow, an analytic rollout-time selector that augments SAC-Flow with hierarchical, object-centric contact-progress guidance while preserving its actor and critic objectives. HCPG switches from end-effector approach to task progress after contact, scores each proposal by the first-order reduction of a task-relevant distance, standardizes scores within the candidate set, and executes a temperature-controlled action embedding. Across ten simulated tasks, HCPG improves mean success over SAC-Flow on both benchmarks, including a 9.5 percentage-point gain on Maniskill. Four physical tasks further show high success with a 17.4% reduction in successful completion steps.Project page: https://hitxraz.github.io/HCPG-Flow/
- Abstract（参考訳）: フローポリシは、ロボット操作のためのマルチモーダルなアクション分布を表現することができるが、ロボットは各制御ステップで1つのアクションを実行する必要がある。
いくつかの提案がサンプリングされると、批判に基づくランキングは、リプレイで弱い表現の可能性のある候補アクションに対する値推定に依存する。
HCPG-Flowは、SAC-Flowを階層的でオブジェクト中心のコンタクトプログレッシブガイダンスで拡張し、アクタと批評家の目標を保った分析ロールアウト時セレクタである。
HCPGは、接触後のタスク進行に対するエンドエフェクタアプローチから切り替え、タスク関連距離の1次低減により各提案をスコアし、候補セット内のスコアを標準化し、温度制御されたアクション埋め込みを実行する。
10つのシミュレートされたタスクの中で、HCPGは両方のベンチマークでSAC-Flowよりも平均的な成功率を向上させる。
プロジェクトのページ: https://hitxraz.github.io/HCPG-Flow/
関連論文リスト
- EmbodiedSkills: A Unified Framework for Orchestrating, Training, and Deploying VLA Agents [56.25120535601186]
視覚言語アクション(VLA)モデルは、視覚観察と言語指示を直接ロボットアクションにマッピングする。
本稿では,各スキル決定を実行提案として扱うフレームワークであるEmbodiedSkillsを提案する。
共有可能スキルインタフェースは、ハイレベルスキル選択、バウンドローレベルVLA実行、ポストアクション検証を接続する。
論文 参考訳（メタデータ） (2026-09-01T14:14:47Z) - FlowDPG: Deterministic Policy Gradient on Flow Matching Policies for Real-World Manipulation [30.518432730829957]
FlowDPG は DDPG スタイルのフローマッチング方式で, BPTT を完全にバイパスして, 評価勾配をトレーニング時の速度場に蒸留する。
提案手法は,(1)フローマッチングポリシにおけるDDPGスタイルの安定な政策改善を可能にするBPTTフリー蒸留フレームワーク,(2)フローDPG更新方向とバニラ決定性ポリシーの形式的接続を3つの明示的近似によりグラディエントとし,(3)長期・多段階・デュアルアーム組立タスクにおける実世界の検証を行う。
論文 参考訳（メタデータ） (2026-06-21T02:10:21Z) - Q-VGM: Q-Guided Value-Gradient Matching for Flow-Matching VLA Policies [14.519898493996891]
本稿では,Q-Guided Value-Gradient Matching (Q-VGM) を法外強化学習(RL)法として提案する。
Q-VGMは、生成モデルにおけるフローアライメントの値勾配ビューであるVGG-Flowを活用することで問題を回避している。
LIBEROでは、Q-VGMが75.0%から92.5%に、RoboTwin 2.0では76.4%から87.2%に、実際の2つのテーブルトップタスクでは40.0%から67.5%に上昇している。
論文 参考訳（メタデータ） (2026-06-06T07:10:25Z) - Test-Time Trajectory Optimization for Autonomous Driving [77.87162309994567]
自動運転のためのエンド・ツー・エンドのプランナーは、通常、一連の候補軌跡を生成し、それぞれをスコアし、最高スコアの候補を返す。
我々は、スコアラを学習軌跡レベルの報酬関数として扱い、それを最大化する軌跡を探索する。
提案手法であるTOAD(Cross-Entropy Method:クロスエントロピー法)をテスト時に実行し,プランナーの提案からウォームスタートする。
論文 参考訳（メタデータ） (2026-06-05T11:39:27Z) - ProgressVLA: Progress-Guided Diffusion Policy for Vision-Language Robotic Manipulation [57.07494675832939]
ロボット操作のための既存の視覚言語アクション(VLA)モデルは、進歩意識を欠いている。
本研究では,textbf vla という新しいモデルを提案し,タスク進捗の推定と統合について検討する。
CALVINとLIBEROベンチマークの実験は、実世界のロボットの展開とともに、成功率の大幅な改善を一貫して示している。
論文 参考訳（メタデータ） (2026-03-29T12:38:11Z) - RankGR: Rank-Enhanced Generative Retrieval with Listwise Direct Preference Optimization in Recommendation [36.297513746770456]
提案するRangGRは、リストワイズ直接選好最適化をレコメンデーションに組み込んだジェネレーティブ検索手法である。
IAPでは、新しいリストワイズ直接選好最適化戦略をGRに組み込んで、階層的ユーザの選好をより包括的に理解する。
トレーニングとデプロイメントにおいていくつかの実践的な改善を実現し、最終的には毎秒1万近いリクエストを処理可能なリアルタイムシステムを実現しています。
論文 参考訳（メタデータ） (2026-02-09T12:13:43Z) - PALM: Progress-Aware Policy Learning via Affordance Reasoning for Long-Horizon Robotic Manipulation [27.791908160098625]
PALMは、インタラクション中心のアベイランス推論とサブタスクプログレスキューに関するポリシー学習を構築する。
Palmはシミュレーションや実世界の実験において、一貫してベースラインを上回っている。
論文 参考訳（メタデータ） (2026-01-11T21:00:58Z) - Decoupled Q-Chunking [63.864222078287575]
チャンクされた批評家は、個々のアクションではなく、短いアクションシーケンス("チャンク")の価値を見積もって、価値のバックアップをスピードアップします。
私たちの重要な洞察は、批判者のチャンクの長さをポリシーのチャンクの長さから切り離すことで、ポリシーがより短いアクションチャンクを乗り越えることを可能にすることです。
この設計は、オープンループのサブ最適化と長いアクションチャンクに対するアクションチャンクポリシーの学習の難しさを両立させながら、マルチステップ値伝搬の利点を保っている。
論文 参考訳（メタデータ） (2025-12-11T18:52:51Z) - Scalable Multi-Objective Robot Reinforcement Learning through Gradient Conflict Resolution [2.359524447776588]
タスクベースの報酬と、現実的な行動に対するポリシーを規則化する用語の衝突を解決する方法を示す。
本稿では、アクター更新を客観的な勾配に分解するアクター批判最適化の修正であるGCR-PPOを提案する。
GCR-PPOは、最大で9.5%の改善を達成し、より高度な改善を観察する、大規模な近位政策最適化を改善する。
論文 参考訳（メタデータ） (2025-09-18T10:18:07Z) - One-Step Diffusion Policy: Fast Visuomotor Policies via Diffusion Distillation [80.71541671907426]
OneStep Diffusion Policy (OneDP)は、事前訓練された拡散政策から知識を単一ステップのアクションジェネレータに蒸留する新しいアプローチである。
OneDPはロボット制御タスクの応答時間を著しく短縮する。
論文 参考訳（メタデータ） (2024-10-28T17:54:31Z) - PIVOT-R: Primitive-Driven Waypoint-Aware World Model for Robotic Manipulation [68.17081518640934]
ロボット操作のためのPrIrmitive-driVen waypOinT-aware world model(PIVOT-R)を提案する。
PIVOT-RはWAWM(Waypoint-aware World Model)と軽量アクション予測モジュールで構成される。
私たちのPIVOT-RはSeaWaveベンチマークで最先端のオープンソースモデルより優れており、4段階の命令タスクで平均19.45%の相対的な改善を実現しています。
論文 参考訳（メタデータ） (2024-10-14T11:30:18Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。